一种基于深度学习的掩星底部折射率动态修正的方法

本发明提供了一种基于深度学习的掩星底部折射率动态修正的方法，包括以下步骤：通过数据预处理模块对输入数据进行预处理；构建神经网络模型；构建混合损失函数训练神经网络模型；通过优化模块调整神经网络模型训练策略。本发明有益效果：在0‑2km高度层，折射率均方根误差（RMSE）从0.185降至0.041；通过可微分物理约束层，折射率剖面二阶导数平滑度提升63.2%，消除传统方法导致的虚假震荡。